we_are_coded.by CODE · Светът, декодиран
EN

Cloudflare · Отворен код

Clef-omni на Cloudflare решава по звук и видео в една заявка, а Clef-flash поевтинява под Jev и приема по-къс вход

На 9 октомври, седмица след първите модели Clef, Cloudflare пусна Clef-omni с отворени тегла: текст, картинка, звук и видео в едно извикване. Clef-flash пада от 0,09 на 0,038 долара за милион входни токена, но хостнатата му версия вече приема до 24k токена вместо 64k.

Източник
Cloudflare
Публикувано
Събитието
Проверено на
Отговорен редактор
Цветелин Иванов
Как работим
МетодКорекции

Петък вечер решили, през уикенда обучили, в четвъртък пуснали. Така Cloudflare разказва в новия си пост как е събран Clef, първите ѝ модели за решения. Седмица след пускането идват три промени, всички в един пост.

Факт

Фактите: на 9 октомври 2026 г. Cloudflare пусна Clef-omni, модел за решения от семейството Clef, който приема звук (wav или mp3) и видео (mp4 или webm) освен текст и картинки, в една заявка. Теглата са отворени в Hugging Face. Основата е Qwen3-Omni-30B-A3B-Instruct (mixture-of-experts): гръбнакът е замразен, а отгоре са обучени адаптери с нисък ранг (LoRA), както при Clef. По данни на Cloudflare решение по текст идва за около 130 милисекунди медиана, по картинка за около 150, а 21-секундно видео със звук се оценява за около 1,5 секунди. Цената на Clef-omni е 0,15 долара на милион входни токена. Clef-flash поевтинява от 0,09 на 0,038 долара на милион входни токена, което по думите на Cloudflare го прави по-евтин от Jev; хостнатата му версия обаче вече приема контекст до 24k токена вместо обявените 64k. По данни на Cloudflare само 0,24% от заявките минават 24k входни токена. Теглата на Clef-flash в Hugging Face не са променени и при самостоятелно хостване поддържат до 256k. Clef остава на 0,24 долара и 64k и е по-бърз: медианното време на хостнатата версия пада от 1,7 до 2 пъти, а едната от оптимизациите е преминаването към SGLang; нови тегла няма. Поддръжката на Clef ще влезе в SGLang 0.5.22 (PR #42721).

Двете промени, които ще усетиш, са във входа и вървят в обратни посоки: Clef-omni приема повече видове вход, а Clef-flash приема по-къс.

Досега решение по запис от разговор минава през два модела: единият превръща звука в текст, другият решава по текста. Clef-omni прави двете в едно извикване, без да преписва звука в текст. Примерът на Cloudflare е проверка на монтаж: снимка на уреда, запис как работи и видео на вентилатора, плюс три въпроса с да или не - дали се вижда табелката с номера, дали уредът звучи гладко и дали вентилаторът се върти.

Сега другата посока. Clef-flash пада от 0,09 на 0,038 долара за милион входни токена. Cloudflare го нарича по-евтин от Jev и сметката излиза: 0,038 срещу 0,042 долара, колкото TypeSafe обяви за Jev през септември. Отстъпката обаче се плаща с контекст. Хостнатият Clef-flash вече чете до 24k токена вход вместо 64k, колкото Cloudflare обяви преди седмица.

Единият модел вече слуша и гледа. Другият чете по-малко.

Ако си сред тези 0,24% заявки над 24k, Cloudflare сама те съветва да минеш на Clef, който остава на 64k и на 0,24 долара. Съвпадението на двете 0,24 поне се запомня. Има и трети път: теглата на Clef-flash в Hugging Face не са пипани и при самостоятелно хостване държат до 256k. Таванът е само на хостнатата версия.

Пращаш ли записи от обаждания към модел, който ги превръща в текст само за да реши нещо по тях, Clef-omni заслужава проба. Пращаш ли на Clef-flash дълги договори, новата цена не е за теб: над 24k хостнатата версия вече не стига.

Визуалът към статията е генериран код-арт, без чужди изображения.